czym jest sztuczna inteligencja?

sztuczna inteligencja to symulacja procesów ludzkiej inteligencji przez maszyny, zwłaszcza systemy komputerowe. Specyficzne zastosowania sztucznej inteligencji obejmują systemy eksperckie, przetwarzanie języka naturalnego, rozpoznawanie mowy i widzenie maszynowe.

jak działa AI?

wraz z przyspieszeniem szumu wokół sztucznej inteligencji dostawcy szyfrowali, aby promować sposób, w jaki ich produkty i usługi wykorzystują sztuczną inteligencję. Często to, co nazywają sztuczną inteligencją, jest po prostu jednym z elementów sztucznej inteligencji, takich jak uczenie maszynowe. Sztuczna inteligencja wymaga specjalistycznego sprzętu i oprogramowania do pisania i szkolenia algorytmów uczenia maszynowego. Żaden język programowania nie jest synonimem sztucznej inteligencji, ale kilka z nich, w tym Python, R I Java, jest popularnych.

ogólnie systemy AI działają poprzez przyjmowanie dużych ilości oznakowanych danych treningowych, analizowanie danych pod kątem korelacji i wzorców oraz wykorzystywanie tych wzorców do przewidywania przyszłych Stanów. W ten sposób chatbot, który jest karmiony przykładami czatów tekstowych, może nauczyć się tworzyć realistyczne wymiany z ludźmi, lub narzędzie do rozpoznawania obrazów może nauczyć się identyfikować i opisywać obiekty na obrazach, przeglądając miliony przykładów.

programowanie AI koncentruje się na trzech umiejętnościach poznawczych: uczeniu się, rozumowaniu i samoregulacji.

procesy uczenia się. Ten aspekt programowania AI koncentruje się na pozyskiwaniu danych i tworzeniu reguł przekształcania danych w użyteczną informację. Reguły, zwane algorytmami, dostarczają urządzeniom obliczeniowym instrukcji krok po kroku, jak wykonać określone zadanie.

procesy rozumowania. Ten aspekt programowania AI koncentruje się na wyborze odpowiedniego algorytmu, aby osiągnąć pożądany wynik.

procesy samoregulacyjne. Ten aspekt programowania sztucznej inteligencji ma na celu ciągłe dostrajanie algorytmów i zapewnienie ich jak najdokładniejszych wyników.

dlaczego sztuczna inteligencja jest ważna?

sztuczna inteligencja jest ważna, ponieważ może dać przedsiębiorstwom wgląd w ich operacje, o których wcześniej nie były świadome, oraz ponieważ w niektórych przypadkach sztuczna inteligencja może wykonywać zadania lepiej niż ludzie. Szczególnie jeśli chodzi o powtarzalne, zorientowane na szczegóły zadania, takie jak analiza dużej liczby dokumentów prawnych w celu zapewnienia prawidłowego wypełnienia odpowiednich pól, narzędzia AI często wykonują zadania szybko i ze stosunkowo niewielką liczbą błędów.

to pomogło podsycić eksplozję wydajności i otworzyło drzwi do zupełnie nowych możliwości biznesowych dla niektórych większych przedsiębiorstw. Przed obecną falą sztucznej inteligencji trudno byłoby sobie wyobrazić używanie oprogramowania komputerowego do łączenia kierowców z taksówkami, ale dziś Uber stał się jedną z największych firm na świecie dzięki temu. Wykorzystuje zaawansowane algorytmy uczenia maszynowego do przewidywania, kiedy ludzie mogą potrzebować przejazdów w określonych obszarach, co pomaga proaktywnie wprowadzić kierowców w drogę, zanim będą potrzebni. Innym przykładem jest to, że Google stało się jednym z największych graczy w zakresie usług online, wykorzystując uczenie maszynowe, aby zrozumieć, w jaki sposób ludzie korzystają z ich usług, a następnie je ulepszać. W 2017 roku dyrektor generalny firmy, Sundar Pichai, ogłosił, że Google będzie działać jako firma “AI first”.

dzisiejsze największe i najbardziej udane przedsiębiorstwa wykorzystały sztuczną inteligencję, aby poprawić swoje operacje i uzyskać przewagę nad konkurentami.

jakie są zalety i wady sztucznej inteligencji?

Sztuczne sieci neuronowe i technologie sztucznej inteligencji głębokiego uczenia szybko ewoluują, przede wszystkim dlatego, że sztuczna inteligencja przetwarza duże ilości danych znacznie szybciej i sprawia, że przewidywania są dokładniejsze niż to tylko możliwe po ludzku.

podczas gdy ogromna ilość danych tworzonych codziennie pogrzebałaby ludzkiego badacza, aplikacje sztucznej inteligencji wykorzystujące uczenie maszynowe mogą pobierać te dane i szybko przekształcać je w Przydatne informacje. W chwili pisania tego tekstu podstawową wadą korzystania z AI jest to, że przetwarzanie dużych ilości danych, których wymaga programowanie AI, jest kosztowne.

zalety

• dobry w zadaniach zorientowanych na szczegóły;
• skrócony czas na zadania wymagające dużych ilości danych;
• zapewnia spójne wyniki; i
• wirtualni agenci zasilani sztuczną inteligencją są zawsze dostępni.

wady

• drogie;
• wymaga głębokiej wiedzy technicznej;
• ograniczona podaż wykwalifikowanych pracowników do tworzenia narzędzi sztucznej inteligencji;
• wie tylko, co to zostało pokazane; i
• brak zdolności do uogólniania z jednego zadania do drugiego.

silna AI vs.słaba AI

AI można sklasyfikować jako słabą lub silną.

• słaba sztuczna inteligencja, znana również jako wąska sztuczna inteligencja, to system sztucznej inteligencji zaprojektowany i przeszkolony w celu wykonania określonego zadania. Roboty przemysłowe i wirtualni asystenci, tacy jak Apple Siri, używają słabej sztucznej inteligencji.
• silna sztuczna inteligencja, znana również jako sztuczna inteligencja ogólna (AGI), opisuje programowanie, które może replikować zdolności poznawcze ludzkiego mózgu. W przypadku przedstawienia nieznanego zadania silny system sztucznej inteligencji może używać logiki rozmytej, aby zastosować wiedzę z jednej domeny do drugiej i znaleźć rozwiązanie autonomicznie. Teoretycznie silny program AI powinien być w stanie zdać zarówno Test Turinga, jak i Chiński test pokojowy.

jakie są 4 rodzaje sztucznej inteligencji?

Arend Hintze, asystent profesora biologii integracyjnej oraz informatyki i inżynierii na Michigan State University, wyjaśnił w artykule z 2016 roku, że Sztuczną Inteligencję można podzielić na cztery typy, zaczynając od inteligentnych systemów specyficznych dla zadań w szerokim użyciu i przechodząc do systemów świadomych, które jeszcze nie istnieją. Kategorie są następujące:

• Typ 1: maszyny reaktywne. Te systemy AI nie mają pamięci i są specyficzne dla zadań. Przykładem jest Deep Blue, program szachowy IBM, który pokonał Garry ‘ ego Kasparowa w latach 90. Deep Blue może identyfikować Figury na szachownicy i przewidywać, ale ponieważ nie ma pamięci,nie może używać przeszłych doświadczeń do informowania przyszłych.
• Typ 2: ograniczona pamięć. Te systemy sztucznej inteligencji mają pamięć, dzięki czemu mogą korzystać z przeszłych doświadczeń, aby informować o przyszłych decyzjach. Niektóre funkcje decyzyjne w samochodach samojezdnych są zaprojektowane w ten sposób.
• Typ 3: teoria umysłu. Teoria umysłu to termin psychologiczny. Zastosowanie do sztucznej inteligencji oznacza, że system miałby inteligencję społeczną, aby zrozumieć emocje. Ten typ AI będzie w stanie wywnioskować ludzkie intencje i przewidzieć zachowanie, niezbędną umiejętność dla Systemów AI, aby stać się integralnymi członkami ludzkich zespołów.
• Typ 4: samoświadomość. W tej kategorii Systemy AI mają poczucie jaźni, co daje im świadomość. Maszyny z samoświadomością rozumieją swój obecny stan. Ten typ sztucznej inteligencji jeszcze nie istnieje.

jakie są przykłady technologii AI i jak jest ona dziś wykorzystywana?

AI jest wbudowana w wiele różnych rodzajów technologii. Oto sześć przykładów:

• Automatyzacja. W połączeniu z technologiami sztucznej inteligencji Narzędzia automatyzacji mogą rozszerzać wolumen i rodzaje wykonywanych zadań. Przykładem jest robotyczna automatyzacja procesów (RPA), rodzaj oprogramowania, które automatyzuje powtarzalne, oparte na regułach zadania przetwarzania danych tradycyjnie wykonywane przez ludzi. W połączeniu z uczeniem maszynowym i nowymi narzędziami sztucznej inteligencji RPA może zautomatyzować większe części zadań w przedsiębiorstwie, umożliwiając taktyczne boty RPA przekazywanie informacji z AI i reagowanie na zmiany w procesie.
• Uczenie maszynowe. To nauka o tym, by komputer działał bez programowania. Deep learning to podzbiór uczenia maszynowego, który w bardzo prosty sposób można traktować jako automatyzację analizy predykcyjnej. Istnieją trzy rodzaje algorytmów uczenia maszynowego:
  • uczenie nadzorowane. Zestawy danych są etykietowane tak, że wzorce mogą być wykrywane i używane do etykietowania nowych zestawów danych.
  • Zbiory danych nie są oznaczone i są sortowane według podobieństw lub różnic.
  • Zestawy danych nie są oznaczone, ale po wykonaniu akcji lub kilku akcji System AI otrzymuje informację zwrotną.
• widzenie maszynowe. Technologia ta daje maszynie możliwość widzenia. Machine vision rejestruje i analizuje informacje wizualne za pomocą kamery, konwersji analogowo-cyfrowej i cyfrowego przetwarzania sygnału. Często jest porównywany do ludzkiego wzroku, ale widzenie maszynowe nie jest związane z biologią i może być zaprogramowane, aby widzieć przez ściany, na przykład. Jest stosowany w wielu zastosowaniach, od identyfikacji podpisów po analizę obrazów medycznych. Widzenie komputerowe, które koncentruje się na maszynowym przetwarzaniu obrazu, często jest połączone z widzeniem maszynowym.
• przetwarzanie języka naturalnego (NLP). Jest to przetwarzanie ludzkiego języka przez program komputerowy. Jednym ze starszych i najbardziej znanych przykładów NLP jest wykrywanie spamu, które sprawdza temat i tekst wiadomości e-mail i decyduje, czy to śmieci. Obecne podejście do NLP opiera się na uczeniu maszynowym. Zadania NLP obejmują tłumaczenie tekstu, analizę nastrojów i rozpoznawanie mowy.
• Robotyka. Ta dziedzina inżynierii koncentruje się na projektowaniu i produkcji robotów. Roboty są często używane do wykonywania zadań, które są trudne dla ludzi do wykonania lub wykonać konsekwentnie. Na przykład roboty są używane na liniach montażowych do produkcji samochodów lub przez NASA do przenoszenia dużych obiektów w przestrzeni kosmicznej. Naukowcy wykorzystują również uczenie maszynowe do budowy robotów, które mogą wchodzić w interakcje w środowiskach społecznościowych.
• samochody samojezdne. Pojazdy autonomiczne wykorzystują połączenie widzenia komputerowego, rozpoznawania obrazu i głębokiego uczenia się, aby zbudować zautomatyzowane umiejętności pilotowania pojazdu podczas przebywania na danym pasie i unikania nieoczekiwanych przeszkód, takich jak piesi.

jakie są zastosowania sztucznej inteligencji?

sztuczna inteligencja weszła na wiele różnych rynków. Oto dziewięć przykładów.

AI w opiece zdrowotnej. Największe zakłady stawiają na poprawę wyników pacjentów i obniżenie kosztów. Firmy stosują uczenie maszynowe, aby diagnozować lepiej i szybciej niż ludzie. Jedną z najbardziej znanych technologii medycznych jest IBM Watson. Rozumie język naturalny i potrafi odpowiadać na zadawane mu pytania. System wydobywa dane pacjentów i inne dostępne źródła danych, aby stworzyć hipotezę, którą następnie przedstawia ze schematem oceny zaufania. Inne aplikacje sztucznej inteligencji obejmują korzystanie z internetowych wirtualnych asystentów zdrowotnych i chatbotów, aby pomóc pacjentom i klientom służby zdrowia znaleźć informacje medyczne, zaplanować spotkania, zrozumieć proces fakturowania i zakończyć inne procesy administracyjne. Szereg technologii sztucznej inteligencji jest również używany do przewidywania, zwalczania i zrozumienia pandemii, takich jak COVID-19.

AI w biznesie. Algorytmy uczenia maszynowego są integrowane z platformami analitycznymi i zarządzania relacjami z klientami (CRM), aby odkrywać informacje o tym, jak lepiej obsługiwać klientów. Chatboty zostały włączone do stron internetowych w celu zapewnienia natychmiastowej obsługi klientów. Automatyzacja stanowisk pracy stała się również punktem dyskusji wśród naukowców i analityków IT.

AI w edukacji. Sztuczna inteligencja może zautomatyzować ocenianie, dając nauczycielom więcej czasu. Może oceniać uczniów i dostosowywać się do ich potrzeb, pomagając im pracować we własnym tempie. Tutorzy AI mogą zapewnić dodatkowe wsparcie uczniom, zapewniając im utrzymanie się na dobrej drodze. Może to zmienić miejsce i sposób nauki uczniów, może nawet zastąpić niektórych nauczycieli.

AI w finansach. Sztuczna inteligencja w aplikacjach finansów osobistych, takich jak Intuit Mint czy TurboTax, zakłóca funkcjonowanie instytucji finansowych. Aplikacje takie jak te gromadzą dane osobowe i zapewniają doradztwo finansowe. Inne programy, takie jak IBM Watson, zostały zastosowane do procesu zakupu domu. Obecnie oprogramowanie sztucznej inteligencji wykonuje większość handlu na Wall Street.

Proces odkrywania-przeglądanie dokumentów-w prawie jest często przytłaczający dla ludzi. Wykorzystanie sztucznej inteligencji do automatyzacji pracochłonnych procesów w branży prawnej pozwala zaoszczędzić czas i poprawić obsługę klienta. Firmy prawnicze wykorzystują uczenie maszynowe do opisywania danych i przewidywania wyników, komputerową wizję do klasyfikowania i wydobywania informacji z dokumentów oraz przetwarzanie języka naturalnego w celu interpretacji zapytań o informacje.

AI w produkcji. Produkcja przoduje w wprowadzaniu robotów do obiegu pracy. Na przykład Roboty przemysłowe, które były zaprogramowane do wykonywania pojedynczych zadań i oddzielone od pracowników ludzkich, coraz częściej funkcjonują jako coboty: Mniejsze, wielozadaniowe roboty, które współpracują z ludźmi i biorą odpowiedzialność za większą część pracy w magazynach, halach produkcyjnych i innych miejscach pracy.

AI w bankowości. Banki z powodzeniem wykorzystują chatboty, aby uświadomić swoim klientom usługi i oferty oraz obsługiwać transakcje, które nie wymagają interwencji człowieka. Wirtualni asystenci sztucznej inteligencji są wykorzystywane do poprawy i obniżenia kosztów zgodności z przepisami bankowymi. Organizacje bankowe wykorzystują również sztuczną inteligencję, aby usprawnić proces podejmowania decyzji dotyczących pożyczek, a także ustalić limity kredytowe i zidentyfikować możliwości inwestycyjne.

AI w transporcie. Oprócz podstawowej roli sztucznej inteligencji w obsłudze autonomicznych pojazdów, technologie sztucznej inteligencji są wykorzystywane w transporcie do zarządzania ruchem, przewidywania opóźnień lotów i zwiększania bezpieczeństwa i wydajności żeglugi oceanicznej.

bezpieczeństwo. Sztuczna inteligencja i uczenie maszynowe są na szczycie listy buzzword dostawcy zabezpieczeń używają dziś do różnicowania swojej oferty. Terminy te oznaczają również prawdziwie realne technologie. Organizacje wykorzystują uczenie maszynowe w oprogramowaniu Siem (security information and event management) i powiązanych obszarach do wykrywania anomalii i identyfikacji podejrzanych działań wskazujących na zagrożenia. Analizując dane i wykorzystując logikę do identyfikacji podobieństw do znanego złośliwego kodu, AI może dostarczać alerty o nowych i pojawiających się atakach znacznie szybciej niż pracownicy i poprzednie iteracje technologii. Dojrzewająca technologia odgrywa dużą rolę w pomaganiu organizacjom w zwalczaniu cyberataków.

sztuczna inteligencja

niektórzy eksperci z branży uważają, że termin sztuczna inteligencja jest zbyt ściśle związany z kulturą popularną, co spowodowało, że opinia publiczna ma nieprawdopodobne oczekiwania co do tego, jak sztuczna inteligencja zmieni miejsce pracy i życie w ogóle.

• Niektórzy badacze i marketerzy mają nadzieję, że etykieta augmented intelligence, która ma bardziej neutralną konotację, pomoże ludziom zrozumieć, że większość implementacji sztucznej inteligencji będzie słaba i po prostu ulepszy produkty i usługi. Przykłady obejmują automatyczne wyświetlanie ważnych informacji w raportach Business intelligence lub podkreślanie ważnych informacji w dokumentach prawnych.
• sztuczna inteligencja. Prawdziwa sztuczna inteligencja, czyli sztuczna inteligencja ogólna, jest ściśle związana z pojęciem osobliwości technologicznej-przyszłości rządzonej przez sztuczną superinteligencję, która znacznie przewyższa zdolność ludzkiego mózgu do jej zrozumienia lub kształtowania naszej rzeczywistości. Pozostaje to w sferze science fiction, choć niektórzy deweloperzy pracują nad tym problemem. Wielu uważa, że technologie takie jak obliczenia kwantowe mogą odgrywać ważną rolę w urzeczywistnianiu AGI i że powinniśmy zarezerwować termin AI dla tego rodzaju ogólnej inteligencji.

etyczne wykorzystanie sztucznej inteligencji

podczas gdy narzędzia sztucznej inteligencji prezentują szereg nowych funkcji dla firm, stosowanie sztucznej inteligencji rodzi również pytania etyczne, ponieważ, na dobre i na złe, system sztucznej inteligencji wzmocni to, czego już się nauczył.

może to być problematyczne, ponieważ algorytmy uczenia maszynowego, które stanowią podstawę wielu najbardziej zaawansowanych narzędzi sztucznej inteligencji, są tak inteligentne, jak dane podawane podczas szkolenia. Ponieważ człowiek wybiera, jakie dane są używane do szkolenia programu AI, potencjał błędu uczenia maszynowego jest nieodłączny i musi być ściśle monitorowany.

każdy, kto chce wykorzystać uczenie maszynowe jako część rzeczywistego świata, systemy w produkcji muszą uwzględniać etykę w swoich procesach szkoleniowych AI i starać się unikać uprzedzeń. Jest to szczególnie prawdziwe w przypadku korzystania z algorytmów sztucznej inteligencji, które są z natury niewytłumaczalne w uczeniu głębokim i aplikacjach generatywnej sieci kontradyktoryjnej (Gan).

wyjaśnianie jest potencjalną przeszkodą w stosowaniu sztucznej inteligencji w branżach, które działają zgodnie z surowymi wymogami regulacyjnymi. Na przykład instytucje finansowe w Stanach Zjednoczonych działają zgodnie z przepisami, które wymagają od nich wyjaśniania swoich decyzji o wydaniu kredytu. Kiedy decyzja o odmowie kredytu jest podejmowana przez programowanie AI, może być trudno wyjaśnić, w jaki sposób decyzja została podjęta, ponieważ narzędzia AI używane do podejmowania takich decyzji działają poprzez drażnienie subtelnych korelacji między tysiącami zmiennych. Gdy proces decyzyjny nie może być wyjaśniony, program może być określany jako Black box AI.

pomimo potencjalnego ryzyka, obecnie istnieje niewiele przepisów regulujących korzystanie z narzędzi sztucznej inteligencji, a tam, gdzie istnieją przepisy, zwykle dotyczą one sztucznej inteligencji pośrednio. Na przykład, jak wcześniej wspomniano, przepisy dotyczące uczciwych pożyczek w Stanach Zjednoczonych wymagają od instytucji finansowych wyjaśniania decyzji kredytowych potencjalnym klientom. Ogranicza to zakres, w jakim kredytodawcy mogą korzystać z algorytmów uczenia głębokiego, które z natury są nieprzejrzyste i nie dają się wyjaśnić.

ogólne rozporządzenie o ochronie danych (RODO) Unii Europejskiej nakłada surowe ograniczenia na sposób, w jaki przedsiębiorstwa mogą korzystać z danych konsumentów, co utrudnia szkolenie i funkcjonalność wielu aplikacji sztucznej inteligencji skierowanych do konsumentów.

W październiku 2016 r.Krajowa Rada Nauki i technologii wydała raport badający potencjalną rolę regulacji rządowych w rozwoju sztucznej inteligencji, ale nie zaleciła rozważenia konkretnych przepisów.

tworzenie przepisów regulujących sztuczną inteligencję nie będzie łatwe, po części dlatego, że sztuczna inteligencja obejmuje różnorodne technologie, których firmy używają do różnych celów, a po części dlatego, że regulacje mogą pochodzić kosztem postępu i rozwoju sztucznej inteligencji. Szybka ewolucja technologii sztucznej inteligencji jest kolejną przeszkodą w tworzeniu sensownej regulacji sztucznej inteligencji. Przełomowe rozwiązania technologiczne i nowatorskie zastosowania mogą sprawić, że obowiązujące przepisy staną się natychmiast przestarzałe. Na przykład obowiązujące przepisy regulujące prywatność rozmów i nagranych rozmów nie pokrywają wyzwania, jakie stawiają asystenci głosowi, tacy jak Alexa Amazon i Siri Apple, którzy gromadzą, ale nie rozpowszechniają konwersacji-z wyjątkiem zespołów technologicznych firm, które wykorzystują je do ulepszania algorytmów uczenia maszynowego. Oczywiście przepisy, które rządy opracowują w celu uregulowania sztucznej inteligencji, nie powstrzymują przestępców przed używaniem technologii w złośliwych intencjach.

cognitive computing i AI

terminy AI i cognitive computing są czasami używane zamiennie, ale ogólnie rzecz biorąc, Etykieta AI jest używana w odniesieniu do maszyn, które zastępują ludzką inteligencję, symulując sposób, w jaki wyczuwamy, uczymy się, przetwarzamy i reagujemy na informacje w środowisku.

Etykieta cognitive computing jest używana w odniesieniu do produktów i usług, które naśladują i wspomagają ludzkie procesy myślowe.

jaka jest historia AI?

pojęcie przedmiotów nieożywionych obdarzonych inteligencją istnieje od czasów starożytnych. Grecki bóg Hefajstos był przedstawiany w mitach jako kucie robotycznych sług ze złota. Inżynierowie w starożytnym Egipcie budowali posągi bogów animowanych przez kapłanów. Przez wieki myśliciele od Arystotelesa do XIII-wiecznego hiszpańskiego teologa Ramona Llulla do Kartezjusza i Thomasa Bayesa używali narzędzi i logiki swoich czasów, aby opisać ludzkie procesy myślowe jako symbole, kładąc podwaliny pod koncepcje sztucznej inteligencji, takie jak reprezentacja wiedzy ogólnej.

koniec XIX i pierwsza połowa XX wieku przyniosły fundamentalne dzieło, które dałoby początek współczesnemu komputerowi. W 1836 roku matematyk z Uniwersytetu Cambridge Charles Babbage i Augusta Ada Byron, Hrabina Lovelace, wynaleźli pierwszy projekt programowalnej maszyny.

lata 40. XX wieku.matematyk z Princeton John Von Neumann wymyślił architekturę komputera z zapisanym programem-ideę, że program komputera i przetwarzane przez niego dane mogą być przechowywane w pamięci komputera. Warren McCulloch i Walter Pitts położyli podwaliny pod Sieci neuronowe.

Lata 50. XX wieku. wraz z pojawieniem się nowoczesnych komputerów naukowcy mogli przetestować swoje pomysły na temat inteligencji maszynowej. Jedną z metod określania, czy komputer posiada inteligencję, był brytyjski matematyk i łamacz kodów z czasów II Wojny Światowej Alan Turing. Test Turinga koncentrował się na zdolności komputera do oszukiwania przesłuchujących, aby uwierzyli, że jego odpowiedzi na ich pytania zostały udzielone przez człowieka.

1956. Nowoczesna dziedzina sztucznej inteligencji jest powszechnie cytowana jako rozpoczynająca się w tym roku podczas letniej konferencji w Dartmouth College. Sponsorowana przez Defense Advanced Research Projects Agency (DARPA), w konferencji wzięło udział 10 luminarzy w tej dziedzinie, w tym pionierzy sztucznej inteligencji Marvin Minsky, Oliver Selfridge i John McCarthy, któremu przypisuje się wymyślenie terminu sztuczna inteligencja. Obecni byli również Allen Newell, informatyk i Herbert A. Simon, ekonomista, politolog i psycholog poznawczy, który przedstawił swój przełomowy teoretyk logiki, program komputerowy zdolny do udowodnienia pewnych twierdzeń matematycznych i określany jako pierwszy program sztucznej inteligencji.

Lata 50. i 60. XX wieku.po konferencji w Dartmouth College, liderzy raczkującej dziedziny sztucznej inteligencji przewidzieli, że inteligencja stworzona przez człowieka jest odpowiednikiem ludzkiego mózgu, przyciągając duże wsparcie rządu i przemysłu. Rzeczywiście, prawie 20 lat dobrze finansowanych badań podstawowych przyniosło znaczące postępy w sztucznej inteligencji: Na przykład pod koniec lat 50.Newell i Simon opublikowali algorytm General Problem Solver (GPS), który nie rozwiązywał złożonych problemów, ale położył podwaliny pod rozwój bardziej wyrafinowanych architektur kognitywnych; McCarthy opracował Lisp, język programowania sztucznej inteligencji, który jest nadal używany do dziś. W połowie lat 60. profesor MIT Joseph Weizenbaum opracował ELIZA, wczesny program przetwarzania języka naturalnego, który położył podwaliny pod dzisiejsze chatboty.

lata 70. i 80. Ale osiągnięcie sztucznej inteligencji ogólnej okazało się nieuchwytne, nie bezpośrednie, utrudnione przez ograniczenia przetwarzania komputerowego i pamięci oraz złożoność problemu. Rząd i korporacje wycofały się ze wsparcia badań nad sztuczną inteligencją, co doprowadziło do okresu odłogowania trwającego od 1974 do 1980 roku i znanego jako pierwsza “zima sztucznej inteligencji.”W latach 80. badania nad technikami głębokiego uczenia i przyjęcie przez przemysł systemów eksperckich Edwarda Feigenbauma wywołały nową falę entuzjazmu sztucznej inteligencji, po czym nastąpił kolejny upadek finansowania rządowego i wsparcia przemysłu. Druga zima AI trwała do połowy lat 90.

lat 90. do dziś. Wzrost mocy obliczeniowej i eksplozja danych wywołały renesans sztucznej inteligencji pod koniec lat 90. Najnowsze skupienie się na sztucznej inteligencji doprowadziło do przełomów w przetwarzaniu języka naturalnego, widzeniu komputerowym, robotyce, uczeniu maszynowym, uczeniu głębokim i innych. Co więcej, sztuczna inteligencja staje się coraz bardziej namacalna, zasilając samochody, diagnozując choroby i cementując swoją rolę w kulturze popularnej. W 1997 roku IBM Deep Blue pokonał rosyjskiego arcymistrza Szachowego Garry ‘ ego Kasparowa, stając się pierwszym programem komputerowym, który pokonał mistrza świata w szachach. Czternaście lat później Watson IBM zachwycił publiczność, gdy pokonał dwóch byłych mistrzów w teleturnieju Jeopardy!. Niedawno historyczna porażka 18-krotnego Mistrza Świata Go Lee Sedola z AlphaGo Google DeepMind oszołomiła społeczność Go i była kamieniem milowym w rozwoju inteligentnych maszyn.

AI jako usługa

ponieważ koszty sprzętu, oprogramowania i personelu związane z SI mogą być wysokie, wielu dostawców włącza komponenty sztucznej inteligencji do swoich standardowych ofert lub zapewnia dostęp do platform sztucznej inteligencji jako usługi (AIaaS). AIaaS umożliwia osobom fizycznym i firmom eksperymentowanie z sztuczną inteligencją w różnych celach biznesowych i próbkowanie wielu platform przed podjęciem zobowiązania.

popularne oferty AI cloud obejmują następujące:

• Amazon AI
• IBM Watson Assistant
• Microsoft Cognitive Services
• Google AI